专利交易市场

本发明公开了一种基于强化学习的港口多智能体任务分配方法及系统，属于物流管理领域，方法包括：针对港口多任务环境中的多种作业任务，构建任务集合；针对不同种类的港口智能设备，构建异构多智能体的动力学模型；基于任务集合和动力学模型，构建全局环境模型；构建协作式的多智能体任务分配机制，利用任务分配机制进行任务的分配和调度；基于任务集合、动力学模型、全局环境模型和任务分配机制构建协作强化学习模型，并利用协作强化学习模型训练智能体的任务执行策略。本发明通过高层策略网络和低层策略网络的分层设计，能够将复杂的任务分解为多个子任务，便于管理和优化，可以有效处理多任务环境，使得智能体在不同任务集合中都能灵活应对。

本发明公开的一种基于拍卖模型的分布式鲁棒异构多AUV任务分配方法，首先，建立了异构多AUV任务分配分布式拍卖模型，包括拍卖商的优化模型以及AUV的优化模型。其次，针对现有拍卖算法没有充分考虑到拍卖商的利益，不符合市场规律的问题，引入任务奖励反馈机制，拍卖商通过自适应的调整任务奖励，最终达到在保证AUV效用的同时，有效降低拍卖商成本的目的，促进了拍卖商参与拍卖；最后，针对水下洋流对任务分配模型产生的不确定性因素，提出了一种鲁棒优化算法对抗不确定因素，提高了多AUV任务分配系统应对复杂水下环境的能力。